[发明专利]一种基于移动轨迹的社会关系判断方法

摘要

本发明涉及一种基于移动轨迹的社会关系判断方法，该方法首先对采集得到的居民的定位数据进行数据清洗，得到移动对象的轨迹点信息；然后利用改进后的基于密度的聚类算法DBSCAN对轨迹中的停留点进行提取，并利用POI数据库对停留点进行的语义化，得到移动对象的语义轨迹；最后对不同移动对象的语义轨迹进行共现分析，得到不同移动对象间的共现特征，利用机器学习中的分类算法SVM完成不同移动对象的社会关系判断。本发明基于定位数据，从真实世界中移动用户的物理交互角度出发对移动用户间的社会关系进行判断，能够准确的完成群体的关系划分，为用户画像精准描述、公共安全领域群体监测追踪提供了有效的数据参考。

主权项

1.一种基于移动轨迹的社会关系判断方法，其特征在于,包括如下步骤：1)采集出行者轨迹数据，构建轨迹点集合Traj，即通过出行者携带手机，借助手机软件和定位技术采集出行者轨迹数据离散点；2)清洗轨迹点集合Traj，并对缺失数据进行标记；3)从清洗后的轨迹点集合Traj中提取轨迹中的停留点序列Stop＝，其中，si表示用户某一停留点，记为si＝(Lon，Lat，t1，t2)，Lon表示停留点si的经度，Lat表示停留点si的纬度，t1为进入停留点si的时间，t2为离开停留点si的时间；4)对停留点序列Stop进行语义化扩展，扩展后的停留点序列为S＝<(C1，T1)，(C2，T2)，…，(Cn，Tn)>，其中Ci表示语义位置，包括停留点的名称、详细地址以及行业分类；Ti表示在对应停留区域Pi开始停留的时间和离开时间，是一个二元组(tstart，tend)；停留点序列S中所有地理区域的集合用S.C来表示；5)构建语义位置层次结构，记为其中L表示层次结构总的层数，1≤l≤L，C^l＝{c_l，1，c_l，2，…，c_l，k}表示在l层语义位置的集合，c_l，k表示第l层中的第k个语义位置；6)提取用户A和用户B间的共现信息，记为θ＝(u，v，time，timeblock，place，category)，其中u，v是用户编号，time为出现共现的时间，timeblock为在一起的时间长度，place为相遇的位置名称，若不存在名称则为相遇地点的经纬度，category为相遇地点的类别；7)通过对两个用户间的地理共现信息的统计分析，获取用户间地理共现信息特征；8)根据用户间地理共现信息特征，利用分类算法SVM划分移动对象间的社会关系，关系类别的集合用C：{c1，…cnum}表示，num表示关系类别的数目。